TinyML برای اینترنت اشیاء پایدار: مروری بر الگوریتم ها، سخت افزار و کاربردها در پایش محیط زیست

رشد اینترنت اشیاء و نیاز به سیستم های کم مصرف منجر به شکل گیری TinyML شده است؛ فناوری ای که امکان اجرای مدل های یادگیری ماشین روی سخت افزارهای ساده را بدون وابستگی دائمی به ابر فراهم می کند. این مقاله با مروری جامع، الگوریتم های بهینه سازی مانند کوانتیزاسیون، هرس شبکه و جست وجوی معماری عصبی را برای کاهش مصرف انرژی بررسی می کند. همچنین پیشرفت های سخت افزاری شامل میکروکنترلرهای پیشرفته، شتاب دهنده های عصبی و فناوری های برداشت انرژی معرفی شده اند که زمینه ساز عملکرد مستقل سامانه های هوشمند هستند. کاربرد TinyML در پایش کیفیت هوا، آب، خاک و تنوع زیستی نشان می دهد که این فناوری می تواند به کاهش انتشار کربن و مدیریت پایدار منابع کمک کند. در پایان نیز چارچوبی ارزیابی چندبعدی ارائه می شود تا توسعه سامانه های هوشمند لبه ای پایدار و کارآمد تسهیل شود.

کلیدواژه ها:

اینترنت اشیاء پایدار ، یادگیری ماشین کم مصرف ، فشرده سازی مدل ، میکروکنترلر هوشمند ، پایش محیط زیست